2. 程式人生 > >基於區域生長的二值化影象連通域標記

基於區域生長的二值化影象連通域標記

阿新 • • 發佈：2019-01-25
    //左
    if ((n > 0) && (obj == *(p + m*LineBytes + n - 1)) && (0 == *(pConnDomainMark + m*LineBytes + n - 1)))
    {
     *(pConnDomainMark + m*LineBytes + n - 1) = markvalue;
     CPoint pt(m, n-1);
     pMarkSeedList->AddTail(pt);
    }
    //左上
    if ((m > 0) && (n > 0) && (obj == *(p + (m-1)*LineBytes + n - 1)) && (0 == *(pConnDomainMark + (m-1)*LineBytes + n - 1)))
    {
     *(pConnDomainMark + (m-1)*LineBytes + n - 1) = markvalue;
     CPoint pt(m-1, n-1);
     pMarkSeedList->AddTail(pt);
    }
    //上
    if ((m > 0) && (obj == *(p + (m-1)*LineBytes + n)) && (0 == *(pConnDomainMark + (m-1)*LineBytes + n)))
    {
     *(pConnDomainMark + (m-1)*LineBytes + n) = markvalue;
     CPoint pt(m-1, n);
     pMarkSeedList->AddTail(pt);
    }
    //右上
    if ((m > 0) && (n < (width-1)) && (obj == *(p + (m-1)*LineBytes + n + 1)) && (0 == *(pConnDomainMark + (m-1)*LineBytes + n + 1)))
    {
     *(pConnDomainMark + (m-1)*LineBytes + n + 1) = markvalue;
     CPoint pt(m-1, n+1);
     pMarkSeedList->AddTail(pt);
    }
    //右
    if ((n < (width-1)) && (obj == *(p + m*LineBytes + n + 1)) && (0 == *(pConnDomainMark + m*LineBytes + n + 1)))
    {
     *(pConnDomainMark + m*LineBytes + n + 1) = markvalue;
     CPoint pt(m, n+1);
     pMarkSeedList->AddTail(pt);
    }
    //右下
    if ((m < (height-1)) && (n < (width-1)) && (obj == *(p + (m+1)*LineBytes + n + 1)) && (0 == *(pConnDomainMark + (m+1)*LineBytes + n + 1)))
    {
     *(pConnDomainMark + (m+1)*LineBytes + n + 1) = markvalue;
     CPoint pt(m+1, n+1);
     pMarkSeedList->AddTail(pt);
    }
    //下
    if ((m < (height-1)) && (obj == *(p + (m+1)*LineBytes + n)) && (0 == *(pConnDomainMark + (m+1)*LineBytes + n)))
    {
     *(pConnDomainMark + (m+1)*LineBytes + n) = markvalue;
     CPoint pt(m+1, n);
     pMarkSeedList->AddTail(pt);
    }
    //左下
    if ((m < (height-1)) && (n > 0) && (obj == *(p + (m+1)*LineBytes + n - 1)) && (0 == *(pConnDomainMark + (m+1)*LineBytes + n - 1)))
    {
     *(pConnDomainMark + (m+1)*LineBytes + n - 1) = markvalue;
     CPoint pt(m+1, n-1);
     pMarkSeedList->AddTail(pt);
    }
    pMarkSeedList->RemoveHead();
   }
  }
 }
 *pMaxMarkValue = markvalue;

相關推薦

基於區域生長的二值化影象連通域標記

    //左     if ((n > 0) && (obj == *(p + m*LineBytes + n - 1)) && (0 == *(pConnDomainMark + m*LineBytes + n - 1)))     {      *(pConnDom

實現基於C語言的二值圖像連通域標記算法

ror mem main hair return pop incr one get 實現基於C語言的二值圖像連通域標記算法 1 #include <stdio.h> 2 #include <stdarg.h> 3 #include &l

實現基於C語言的二值影象連通域標記演算法

實現基於C語言的二值影象連通域標記演算法 1 #include <stdio.h> 2 #include <stdarg.h> 3 #include <stddef.h> 4 #include <stdlib.h> 5 #includ

影象分析：二值影象連通域標記-基於行程的標記方法

一、前言 二值影象，顧名思義就是影象的亮度值只有兩個狀態：黑(0)和白(255)。二值影象在影象分析與識別中有著舉足輕重的地位，因為其模式簡單，對畫素在空間上的關係有著極強的表現力。在實際應用中，很多影象的分析最終都轉換為二值影象的分析，比如：醫學影象分析、前景檢測、字

OPENCV二值化影象內孔洞填充/小區域去除

來源：http://lib.csdn.net/article/opencv/28353         原作者：robberjohn  部落格已刪除了，原始碼下載連結在          http://download.csdn.net/download/robberjoh

opencv 刪除二值化影象中面積較小的連通域

對於上圖的二值化影象，要去除左下角和右上角的噪點，方法：使用opencv去掉黑色面積較小的連通域。程式碼 CvSeq* contour = NULL; double minarea = 100.0; double tmparea = 0.0;

影象分析：二值影象連通域標記2-基於輪廓的標記

一、前言 二值影象，顧名思義就是影象的亮度值只有兩個狀態：黑(0)和白(255)。二值影象在影象分析與識別中有著舉足輕重的地位，因為其模式簡單，對畫素在空間上的關係有著極強的表現力。在實際應用中，很多影象的分析最終都轉換為二值影象的分析，比如：醫學影象分析、前景檢測、字

一個基於Qt的用cvAdaptiveThreshold二值化影象的程式

//AdaptiveThreshold.h #ifndef ADAPTIVETHRESHOLD_H #define ADAPTIVETHRESHOLD_H #include "cv.h" #include "highgui.h" #include <QtCor

macOS python3 opencv PIL.Image 二值化影象

Image 影象 二值化 1，遍歷所有畫素 1，遍歷所有畫素 0 黑色 255 白色 設定閥值為127，大於閥值的白色 #! /usr/local/bin/python3 # coding:utf-8 from PIL import Im

影象分析：二值影象連通域標記

一、前言 二值影象，顧名思義就是影象的亮度值只有兩個狀態：黑(0)和白(255)。二值影象在影象分析與識別中有著舉足輕重的地位，因為其模式簡單，對畫素在空間上的關係有著極強的表現力。在實際應用中，很多影象的分析最終都轉換為二值影象的分析，比如：醫學影象分析、前景檢測、字元識

OpenCV二值化影象畫素操作

二值化影象畫素不是0就是255，資料型別為uchar。所以訪問方法是： // 這裡inputmat是二值化影象的mat inputmat.at<uchar>(y, x); 判斷是否為白色的方法： if (inputmat.at<uchar&g

二值影象連通域標記演算法優化

文章概要   　　非常感謝☆Ronny丶博主在其博文《影象分析：二值影象連通域標記》中對二值影象連通域的介紹和演算法闡述，讓我這個毫無資料結構演算法底子的小白能夠理解和復現程式碼。本文的目的是基於我自己的理解，對該博文中Two-Pass演算法的一些優化和補充，同時也希望幫助更多像我一樣的人較快地掌握

十三種基於直方圖的影象全域性二值化演算法原理、實現、程式碼及效果。

分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！        

影象處理之積分圖應用四（基於區域性均值的影象二值化演算法）

影象處理之積分圖應用四（基於區域性均值的影象二值化演算法） 基本原理 均值法，選擇的閾值是區域性範圍內畫素的灰度均值(gray mean)，該方法的一個變種是用常量C減去均值Mean，然後根據均值實現如下操作： pixel = (pixel > (mean - c)) ? ob

OpenCV基於區域性自適應閾值的影象二值化

在影象處理應用中二值化操作是一個很常用的處理方式，例如零器件圖片的處理、文字圖片和驗證碼圖片中字元的提取、車牌識別中的字元分割，以及視訊影象中的運動目標檢測中的前景分割，等等。 較為常用的影象二值化方法有：1）全域性固定閾值；2）區域性自適應閾值；3）OTSU等。 全域性固

實現二值影象連通區標記之區域生長法

連通區標記是最基本的影象處理演算法之一。該演算法中，按從左至右、從上至下的順序，對整幅影象進行掃描，通過比較每個前景畫素的鄰域進行連通區標記，並建立等效標記列表。最後，合併等效標記列表，並再次掃描影象以更新標記。演算法的優點的是通俗易懂，缺點是需要兩次掃描影象，效率不高。區域

基於opencv的Niblack二值化演算法--影象分割方法

Niblack演算法是比較出名的二值化演算法，網上很多Niblack程式碼是基於Matlab的，本人覺得其速度比較慢，所以便基於OpenCV改寫了其演算法，具體參考的部落格連結已經忘記了，希望博主原諒。如果缺少某些函式，比如最大值最小值函式，可以參考本人其他部落格，裡面會提供

OpenCV---超大圖像二值化和空白區域過濾

分享圖片 相關 空白區域 tails href 需要 binary otsu 技術分享 超大圖像的二值化方法 1.可以采用分塊方法， 2.先縮放處理就行二值化，然後還原大小 一：分塊處理超大圖像的二值化問題 def big_image_binary(image):

macOS opencv python 影象簡單二值化

python opencv 影象二值化 全域性閥值 1，cv2.threshold 全域性閥值 1，cv2.threshold 全域性閥值 #! /usr/local/bin/python3 # coding:utf-8 """ 影象二值化 全

[python-opencv]超大影象二值化方法

*分塊 *全域性閾值 VS 區域性閾值   1 import cv2 as cv 2 import numpy as np 3 4 def big_image_binary(image): 5 print(image.shape) 6 cw = 213 7